论文题目: 基于稀疏分解的图像去噪
论文类型: 硕士论文
论文专业: 信号与信息处理
作者: 姜玉亭
导师: 尹忠科
关键词: 图像去噪,稀疏分解,匹配跟踪,相干比
文献来源: 西南交通大学
发表年度: 2005
论文摘要: 图像去噪是图像处理中的关键问题之一,是图像后续处理的基础。人们根据噪声特性,已经发展了多种图像去噪方法,它们在各自的适应范围内具有良好的去噪效果。但是这些方法往往依赖于图像信息以及图像噪声的统计特性,而在实际应用中,往往无法先验地获知图像和噪声的统计特性,从而无法获得好的去噪效果。 为了找到一种自适应的图像去噪方法,本文展开研究。基于图像稀疏分解和图像与噪声在稀疏分解中的不同表现,本文提出了一种自适应的图像去噪方法。具体在以下几个方面取得了一些进展: 1.首先针对传统的图像平滑去噪方法——均值滤波法的不足进行了改进,提出了形成不同模板的方法,从而针对不同的噪声水平可选取不同的模板,以达到最佳的平滑去噪效果,为后面提出的基于稀疏分解的图像去噪方法提供了可以比较的基础。 2.根据匹配跟踪图像稀疏分解的特点,结合人眼的视觉特性,选择较适合图像稀疏表达的非对称原子库。分析研究图像和噪声在稀疏分解中的不同表现,明确图像信息和噪声的区别。利用图像(或图像残余)和噪声与原子库相干性的不同,区分图像和噪声;以相干比阈值作为提取图像有用信息的结束条件,实现图像与噪声的自适应分离。实验证明了相干比阈值的选择与图像的类型和噪声水平没有关系,因而本文所提出的图像去噪方法是自适应的。 3.比较了稀疏分解图像去噪与最佳平滑模板去噪效果,就视觉效果来看,基于稀疏分解的图像去噪效果要好于最佳平滑模板的去噪效果。
论文目录:
第1章 绪论
1.1 论文选题依据
1.2 图像去噪技术研究进展
1.3 图像质量评价
1.4 本文的内容安排
第2章 图像去噪方法简介
2.1 数字图像的矩阵表示
2.2 空间域图像去噪
2.2.1 均值滤波法
2.2.2 中值滤波法
2.3 频率域图像去噪
2.3.1 理想低通滤波
2.3.2 巴特沃斯滤波器
第3章 改进的邻域加权平均图像去噪
3.1 形成多种平滑去噪模板的方法
3.2 最佳模板的选取
3.3 实验结果与分析
3.4 实际应用中的问题与对策
第4章 信号稀疏分解
4.1 信号表示
4.2 正交分解
4.3 信号的稀疏表示
4.3.1 过完备原子库
4.3.2 信号的稀疏分解
第5章 基于稀疏分解的自适应图像去噪
5.1 基于匹配跟踪的图像稀疏分解
5.2 基于稀疏分解的图像去噪
5.2.1 稀疏分解图像去噪原理
5.2.2 信号稀疏分解中的相干比与信号去噪
5.2.3 稀疏分解用于图像去噪
5.2.4 实验结果与分析
结论
致谢
参考文献
读研究生期间发表的论文
发布时间: 2005-08-16
参考文献
- [1].小波在雷达图像去噪中的应用研究[D]. 魏晓巍.哈尔滨理工大学2014
- [2].基于稀疏表示理论的图像去噪方法研究[D]. 郑毅贤.上海交通大学2013
- [3].基于多尺度小波域相关性的图像去噪与增强方法的研究[D]. 张红慧.西北大学2007
- [4].雷达多视角增强成像技术[D]. 刘伟豪.国防科学技术大学2016
- [5].基于小波变换的数字图像去噪研究[D]. 严家明.西华大学2006
- [6].信号稀疏表示理论及应用研究[D]. 赵亮.哈尔滨工程大学2012
- [7].基于小波变换图像去噪研究[D]. 邓承志.江西师范大学2005
- [8].基于FPGA的数字图像去噪与编码算法研究[D]. 邓磊.天津大学2014
- [9].基于小波边缘检测的图像去噪方法研究[D]. 孙长峰.郑州大学2007
- [10].稀疏分解在信号去噪方面的应用研究[D]. 李扬.吉林大学2012
相关论文
- [1].基于MP的信号稀疏分解算法研究[D]. 邵君.西南交通大学2006
- [2].信号稀疏分解在空间谱估计中的应用[D]. 陈磊.西南交通大学2006
- [3].图像稀疏分解快速实现与初步应用[D]. 杨愚.西南交通大学2007
- [4].基于稀疏分解的宽带信号波达方向估计[D]. 王峰.西南交通大学2007
- [5].多尺度方向分析在图像去噪、增强和融合中的应用[D]. 高翔.南京理工大学2007
- [6].数字图像去噪算法研究[D]. 许冠军.浙江大学2006
- [7].图像去噪方法的研究[D]. 刘祝华.江西师范大学2005
- [8].稀疏信号表示理论及其在图像增强中的应用[D]. 李智杰.西安电子科技大学2005
- [9].基于稀疏分解的图像压缩[D]. 张跃飞.西南交通大学2006
- [10].基于中值滤波和小波变换的图像去噪[D]. 杨山.南京理工大学2002